/ Модель

Характеристики

Параметры
1,3 млрд
Лицензия
CC BY-NC 4.0
Архитектура
wav2vec2 · dense
Базовая модель
mms-1b-all
Библиотека
transformers
Опубликована
30 авг 2026

mms-1b-all-bemgen-combined-train-drodat-gdro-3e-2-dat-5e-1-no-sd-0.00-42

Распознавание речиАудио → текст3 профессии

Дообученная на BEMGEN — BEM модель wav2vec2 для преобразования аудиоречи в текст.

13скачиваний за 30 дней0лайковвеса обновлены31 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель csikasote/mms-1b-all-bemgen-combined-train-drodat-gdro-3e-2-dat-5e-1-no-sd-0.00-42 разработана как дообученная версия facebook/mms-1b-all на наборе BEMGEN — BEM. Это модель распознавания речи на архитектуре wav2vec2 с CTC-декодированием, содержащая 1,3 млрд параметров и предназначенная для преобразования аудио в текст.

В README приведены результаты оценки на тестовом наборе: loss 12,6062 и CER 0,0541. Модель подходит для сценариев автоматической транскрипции речи; базовая MMS-1B-All поддерживает более тысячи языков, но язык и языковое покрытие именно этой доработанной версии в карточке не уточнены. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • транскрибация аудиозаписей на языке набора BEMGEN — BEM
  • автоматическое распознавание речи в аудиофайлах
  • получение текстовых расшифровок речи для последующей обработки

Ограничения

Язык и покрытие этой дообученной версии не уточнены; результаты оценки приведены только для набора BEMGEN — BEM. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mms-1b-all-bemgen-combined-train-drodat-gdro-3e-2-dat-5e-1-no-sd-0.00-42

This model is a fine-tuned version of facebook/mms-1b-all on the BEMGEN - BEM dataset. It achieves the following results on the evaluation set:

  • Loss: 12.6062
  • Cer: 0.0541

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0003
  • train_batch_size: 8
  • eval_batch_size: 4
  • seed: 42
  • gradient_accumulation_steps: 2
  • total_train_batch_size: 16
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 500
  • num_epochs: 30.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossCer
278.74861.2690500236.96040.9669
36.41452.5381100014.63630.0633
31.24533.8071150013.86590.0611
30.90255.0761200013.77020.0595
30.57846.3452250013.40680.0579
28.10457.6142300013.14320.0568
25.82658.8832350013.27580.0576
27.664210.1523400013.00620.0563
25.002711.4213450013.06570.0570
25.651312.6904500013.17330.0557
23.699113.9594550012.98160.0553
23.012615.2284600013.04890.0550
23.861216.4975650013.08710.0547
24.764917.7665700012.83270.0546
23.630519.0355750012.90270.0541
21.120520.3046800012.60590.0541
20.479621.5736850012.62180.0536
21.132322.8426900012.80340.0538
19.544424.1117950012.78400.0536

Framework versions

  • Transformers 4.53.0
  • Pytorch 2.10.0+cu128
  • Datasets 4.5.0
  • Tokenizers 0.21.4

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
3d7219c

0 моделей